基于证据推理和置信规则库的装备寿命评估

针对航天产品试验样本少,寿命评估难的特点,结合产品在研制阶段多种工作环境的失效数据,提出了一种基于证据推理(evidential reasoning,ER)和置信规则库(belief-rule-base,BRB)进行装备寿命评估的新方法.首先,分析了模型的合理性并使用多维BRB模型将多种环境下的寿命数据折合为标准工作环境下的寿命数据,然后通过ER算法将折合后数据和实际工作环境数据进行融合.其次,详细说明了BRB--ER模型的推理过程和寿命评估的步骤.最后,采用某航天产品的失效数据对该方法进行了验证,并用已有的产品寿命的固定值进行BRB的参数更新.研究结果表明,在专家知识准确合理时,该模型能够准确地评估产品寿命,并可根据已有的产品的固定寿命进行训练,建立更加准确的寿命预测模型.     

基于证据理论的不确定性推理方法及其应用

针对民航无线电管理中遇到的干扰问题以及客观世界中描述客观现象的知识和信息具有不确定性的特点,结合民航无线电干扰查处的实际情况,提出基于一种产生式规则的知识表示方法,以区间确定因子描述不确定性。提出基于Dempster-Shafer证据理论和区间确定因子的不确定性推理方法。进一步根据领域专家经验建立民航无线电干扰查处规则,以基于Dempster-Shafer证据理论和区间确定因子的不确定性推理方法为推理机,给出民航无线电干扰查处专家系统的结构及工作流程,采用C#语言结合MySQL数据库开发民航无线电干扰查处专家系统,并通过案例分析说明该系统的有效性和实用性。     

基于改进置信规则库推理的分类方法

通过引入置信规则库的线性组合方式,设定规则数等于分类数及改进个体匹配度的计算方法,提出了基于置信规则库推理的分类方法。比较传统的置信规则库推理方法,新方法中规则数的设置不依赖于问题的前件属性数量或候选值数量,仅与问题的分类数有关,保证了方法对于复杂问题的适用性。实验中,通过差分进化算法对置信规则库的规则权重、前件属性权重、属性候选值和评价等级的置信度进行参数学习,得到最优的参数组合。对3个常用的公共分类数据集进行测试,均获得理想的分类准确率,表明新分类方法合理有效。     

一种基于规则的神经网络的知识表示和推理方法

在医学专家系统中，如何根据各种疾病特征，推断出患某种疾病，这是一个比较复杂的问题，本文给出了一种基于规则的人工神经网络的知识表示和知识推理方法，从规则集中自动构造网络的结构、确定隐层节点数和连接权值，用并行的方法进行推理，最后，给出了泌尿外科常见疾病诊断的一个实例应用。     

数据缺失的扩展置信规则库推理方法

数据驱动的扩展置信规则库专家系统能够处理含有定量数据或定性知识的不确定性问题.该方法已被广泛地研究和应用,但仍缺乏在不完整数据问题上的研究.鉴于此,针对不完整数据集上的问题,提出一种新的扩展置信规则库专家系统推理方法.首先提出基于析取范式的扩展规则结构,并通过实验讨论了在新的规则结构下,置信规则前提属性参考值个数对推理方法的影响;然后提出通过不完整数据生成具有不完整置信规则,并构成析取范式置信规则库的方法,同时引入衰减因子修正不完整规则权重,使不完整规则可以更合理地参与信息融合过程;最后,选取若干个公共数据集对所提方法进行验证.与其他方法的实验对比显示,新方法在完整数据集上有良好表现的同时,对具有不同缺失程度和缺失模式的数据集表现出更好更稳定的推理效果.     

基于置信规则库推理的二择众仓分类方法

针对线性组合方式所构建的置信规则库存在常常无法准确发挥前件属性权重的效能,且随着评价等级个数的增加,新激活权重公式往往会对结果造成不利影响的不足,本文在现有置信规则库推理分类算法的基础上,提出二择众仓决策法,以此改进置信规则库决策系统。首先仅设置两个规则的后件评价等级,对一个决策问题仅做出二择判定,即回答是与否;其次,设置多个置信规则库同时处理若干个子问题;最后通过众仓决策方式融合多个子问题的结果,进而解决最终的分类问题。实验结果表明,改进后的置信规则库推理分类方法可行有效。     

基于改进证据推理规则的变压器故障诊断

为对变压器进行准确、高效的故障诊断,克服已有证据推理规则处理冲突证据时收敛慢甚至不收敛的缺陷,提出了一种按相关性对证据进行修正及对冲突信息合理分配的改进证据推理规则,并将其应用于变压器故障诊断;数值算例中,与传统证据推理规则相比,无论对于一致性证据还是冲突性证据,改进证据推理规则提高了变压器故障诊断的收敛速度、降低了故障误判率、取得了良好的诊断效果;改进证据推理规则,可以充分利用变压器故障中的一致性或冲突性多源故障征兆信息,准确、高效对其进行故障诊断。     

基于证据推理规则的信息融合故障诊断方法

本文针对不确定性故障特征信息的融合决策问题,给出基于证据推理(evidence reasoning,ER)规则的故障诊断方法.首先基于故障特征样本似然函数归一化的方法求取各传感器(信息源)提供的诊断证据;从传感器误差以及故障特征对各故障类型辨别能力的差异出发,给出获取诊断证据可靠性因子的方法;给出双目标优化模型训练得到诊断证据的重要性权重,最后利用ER规则融合经可靠性因子和重要性权重修正后的诊断证据,利用融合结果进行故障决策.该方法继承了Dempster-Shafer证据理论处理不确定性信息融合问题的优点,同时克服了它在实际应用中无法区分证据可靠性和重要性的不足,使得所获诊断证据更为客观、可信.最后,通过在多功能电机转子试验台上的故障诊断实验,验证了所提方法的有效性.     

一种新的证据推理组合规则

证据推理是一种不确定推理的人工智能方法。首先研究几种组合规则的改进方法和造成其缺陷的机理,然后从分析冲突的来源入手,利用冲突信息提出一种新的组合规则－－吸收法。仿真结果表明,新的组合规则在处理冲突方面的性能得到了明显改进,并且具有较强的鲁棒性。     

基于确定因子的不确定性推理的仿真实现

针对传统的基于确定因子的不确定性推理模型在实际应用中出现的几个问题,提出了一种新型的以数理统计理论为基础、通过采用计算机模拟的方法来实现不确定性推理模型中相关参数的算法模型,并对基于确定因子的不确定性推理模型的相关知识作了详细叙述。根据所给出的算法模型,以地震预报专家系统中某条知识表示的规则强度CF的值的得出为例,完成了对CF的模拟,详细阐述了方法的实现过程并对模拟出的值的可信程度进行了检验,结果证明模拟技术为人工智能研究领域的不确定性推理的应用提供一种新的方法。     

Advances in SHRUTI—A Neurally Motivated Model of Relational Knowledge Representation and Rapid Inference Using Temporal Synchrony

We are capable of drawing a variety of inferences effortlessly, spontaneously, and with remarkable efficiency—as though these inferences are a reflex response of our cognitive apparatus. This remarkable human ability poses a challenge for cognitive science and computational neuroscience: How can a network of slow neuron-like elements represent a large body of systematic knowledge and perform a wide range of inferences with such speed? The connectionist model SHRUTI attempts to address this challenge by demonstrating how a neurally plausible network can encode a large body of semantic and episodic facts, systematic rules, and knowledge about entities and types, and yet perform a wide range of explanatory and predictive inferences within a few hundred milliseconds. Relational structures (frames, schemas) are represented in SHRUTI by clusters of cells, and inference in SHRUTI corresponds to a transient propagation of rhythmic activity over such cell-clusters wherein dynamic bindings are represented by the synchronous firing of appropriate cells. SHRUTI encodes mappings across relational structures using high-efficacy links that enable the propagation of rhythmic activity, and it encodes items in long-term memory as coincidence and coincidence-error detector circuits that become active in response to the occurrence (or non-occurrence) of appropriate coincidences in the on going flux of rhythmic activity. Finally, “understanding” in SHRUTI corresponds to reverberant and coherent activity along closed loops of neural circuitry. Over the past several years, SHRUTI has undergone several enhancements that have augmented its expressiveness and inferential power. This paper describes some of these extensions that enable SHRUTI to (i) deal with negation and inconsistent beliefs, (ii) encode evidential rules and facts, (iii) perform inferences requiring the dynamic instantiation of entities, and (iv) seek coherent explanations of observations.     

SJ—3专家系统的开发技术

本文详细讨论了一个实用专家系统的开发技术,主要包括：ＦＬ知识表示法、定量化模型、知识库的组织与维护方法以及不确定推理方法．     

知识库系统技术研究

由于知识在人类生活中的重要性,知识库系统的研究具有十分重要的意义。本文首先定义了什么是知识库和知识库系统,对近年来人们在知识库领域及相关领域所做的工作进行了概括和总结,最后分析了该领域的研究动向。     

Dynamic Uncertain Causality Graph for Knowledge Representation and Reasoning: Discrete DAG Cases

Developed from the dynamic causality diagram (DCD) model,a new approach for knowledge representation and reasoning named as dynamic uncertain causality graph (DUCG) is presented,which focuses on the co...     

不确定性推理技术在医学诊断中的应用研究

介绍了不确定性推理技术中几种主要方法,根据不同医学诊断的特点,设计了基于动态模糊逻辑和加权模糊逻辑相结合的计算机辅助医学诊断系统,最后通过一个实例说明了该方法的有效性。     

模糊逻辑技术在医学诊断中的应用研究

介绍了不确定性推理技术中几种主要方法,并分析了各种方法的优缺点。根据目前医学诊断中存在的问题及不同医学诊断的各自特点,设计了基于模糊逻辑的计算机辅助医学诊断系统,主要介绍了其中采用的动态模糊逻辑和加权模糊逻辑相结合的方法。该方法不仅能够帮助医生初步确诊疾病,而且能够分析出引起某种疾病变化的主要原因,从而帮助医生提高业务水平,提高其诊断的速度,减少误诊率。     

基于表示学习的开放域中文知识推理

知识库通常以网络的形式被组织起来,网络中每个节点代表实体,而每条连边则代表实体间的关系。为了利用这种网状知识库中的知识,往往需要设计专门的、复杂度较高的图算法。然而这些算法并不能很好适用于知识推理,尤其是随着知识库的知识规模不断扩大,基于网状结构知识库的推理很难较好地满足实时计算的需求。该文使用基于TransE模型的知识表示学习进行知识推理,包括对实体关系三元组中关系指示词以及尾实体的推理,其中关系指示词推理的实验取得了较好的结果,且推理过程无需设计复杂的算法,仅涉及向量的简单运算。另外,该文对原始TransE模型的代价函数进行改进,以更好地适用于开放域中文知识库表示学习。     

Time revisited1

Temporal reasoning is essential for many artificial intelligence applications. To date, most research has concentrated on temporal inference in isolation without considering the role it can play in a more general reasoning environment. This paper takes an efficient temporal reasoner and extends its inferential capabilities to handle both strict and nonstrict relations. The resulting temporal specialist is incorporated into a system intended for low-level reasoning in natural language understanding. The specialist assists the resolution-based theorem prover in function evaluation, literal evaluation, and generalized resolving and factoring. The combined system can do some proofs in just a few steps that would normally require many. An example from the fully operational hybrid system is included. Le raisonnement temporel est essentiel dans de nombreuses applications relatives à? intelligence artificielle. Jusqu’à présent, la plupart des travaux de recherche ont porté sur ? inférence temporelle dans ? isolation sans tenir compte du rǒle qu'elle peut jouer dans un environnement de raisonnement plus général. Cet article traite ? un raisonneur temporel ef ficace dont les capacityés inférentielles ont été augmentée afin de pouvoir traiter les relations strides et non strides. Le spécialiste temporel qui en résulte est intégréà un système conçu pour le raisonnement bas-niveau en langage naturel. Le spécialiste assiste le démonstratur de théorèmes basé sur la résolution dans ?évaluation des fonctions, ?évaluation littérale et la fonction fadorielle généralisée. Le système combine peut vérifier des preuves en quelques étapes seulement au lieu ? un grand nombre. Un exemple ? un système hybride entièrement opérationnel est fourni. Mots clés: raisonnement temporel, methodes ? inférence spéciales, résolution de théories, représentation des connaissances.